数据智能化应用

（一）数据智能化的背景和任务

识别市场的重大变化是企业营销人员的主要职责。在营销活动过程中，获取来自消费者的信息数据加以分析应用，以建立消费者——品牌的良性关系，是现代营销中的高效方法。一旦能够经由数据信息的分析处理，识别、了解和洞察消费者的所思所想，并进一步预测他们可能采取的后续行动，品牌就能真正从消费者出发，设计出符合消费者意愿、为他们所喜闻乐见并积极参与的营销方案，进而实现双方关系的构建和维护，形成真正亲密互动的关系。

营销人员面临的挑战是如何将数以百万计比特或字节组成的、现有消费者和潜在消费者的海量数据，转化为与营销相关的、有用的认知结果，并发挥信息的有效作用，转化为营销关系管理中所必需的信息生产力。消费者的数据经常是离散无序的，但背后却是存在着隐形的商业逻辑和营销规律，只有通过数据的智能应用，才能找到消费者和企业品牌间的关联，从而真正洞察消费者，挖掘消费者价值，促成业务经营的目标达成。

数字化传播的核心任务是建立与消费者的亲密关系。在大数据时代的数字智能技术的发展，可以帮助企业和品牌搭建技术平台建立数据库，并通过大数据的收集、挖掘、分析和应用，升级顾客关系管理，与消费者展开实时互动的精准沟通，从而更加智能化地服务顾客。

（二）数据智能化的定义

智能一般具有这样的特点：一是具有感知能力，即具有能够感知外部世界、获取外部信息的能力，这是产生智能活动的前提条件和必要条件；二是具有记忆和思维能力，即能够存储感知到的外部信息及由思维产生的知识，同时能够利用已有的知识对信息进行分析、计算、比较、判断、联想、决策；三是具有学习能力和自适应能力，即通过与环境的相互作用，不断学习积累知识，使自己能够适应环境变化；四是具有行为决策能力，即对外界的刺激做出反应，形成决策并传达相应的信息。具有上述特点的系统则称为智能化系统。

计算机运算技术的提升和智能技术的发展，令大数据智能分析、处理、应用的可行性得以实现。对企业和品牌而言，通过大数据分析，获得第一阶段的分析成果，之后再将结果导入系统数据进行分析运算，并不断的循环积累和精细化论证，最终形成与消费者的反馈不断相互作用、相互影响的机制系统，从而获得更趋于精准和完善的智能化结论。这样的过程，便是提高营销智能化的过程。

其中，对于顾客数据的收集途径，应用较多的是通过销售终端数据（销售人员，回访问卷调查，样品派发等）、线上数据轨迹（关键字搜索，产品评价）、顾客活动情况（消费者座谈，新品试用）、数字媒体如网络社交平台数据（数字营销活动的反馈，社交媒体评论）等来完成。

营销信息系统（Marketing Information System，MIS）由收集、分类、分析、评估，以及技术支持人员、设备和程序等共同构成。每个现代化的企业都业已构建连续性的信息流，并将有效信息提交营销管理者用以决策辅佐支持。

数据库（Data Base）是一个存放商业事务和消费者信息的电子仓库，数据应用者可以从中提取所需要的信息加以分析应用。数据库中的数据基础是来源于业务经营性的历史记录，也来源于企业从内外各数据源所搜集、过滤和转换而来的各类数据。数据库的信息经过一定的规则进行分类建档，以便于通过某种分析方法从中查找出数据间的关联性和相互关系[1]。公司往往以顾客数据库、产品数据库、销售人员数据库的分类法来组织排布产生的信息，同时会将不同的数据库的信息整合在一起。

数据挖掘是指收集而来的数据经由一定的系统分析工具进行筛选和读取。数据挖掘主要应用于两个领域：一方面是应用数据关联实施精准沟通，即通过智能化统计分析工具[2]，对数据进行分类和关联式的分析，并在分类的基础上进行精准化的沟通；另一方面是用以划分顾客类型，即根据顾客购买的产品、购买次数和购买金额等数据记录，来测算和评判顾客的价值，并通过对顾客行为的分析和预测，并将产品销售的情况进行交叉分析，揭示出顾客下一步行动的可能性。同时从外部数据渠道捕获的信息也可放置回企业内部的数据库，并与现存的数据进行配比，衍生出更为丰富的新数据信息供分析和应用。数据库的信息通常是可以共享的，越多的数据共享就能衍生出更多的信息，也能令数据的分析和应用更为广泛、精准而有效。

但是由于数据量的庞大、统计方法的多样、关系范式的复杂、计算机编程运算的专业，数据信息的应用也遭遇到极大的障碍，其中的障碍有来自计算技术的壁垒，有来自企业组织主观上缺乏重视，也有数据应用在时间和金钱方面的成本代价。此外，计算机信息技术人员与营销管理人员的思维模式和思考角度的差异性造成两者沟通对话的困难，也会为数据信息的顺畅应用造成很大的鸿沟和阻碍。

所幸的是，数字信息技术的发展，计算机智能学习和运算能力的提升，以及数据计算工具的升级，数据管理应用的障碍一一得以破除。

（一）企业经营数据的来源和类型

许多企业拥有大量的顾客信息，这些信息往往分散在企业的不同部门，比如销售部、市场部、研究部、售后服务部、信息支持部、财务部，等等，有些还放置在外部供应商那里，比如CRM的咨询管理公司，或者商场的会员俱乐部。这些信息对营销者获得消费者洞察是非常有价值的，但如何进行整合以能够被综合应用起来，却是一项挑战。

图6-1　消费者/渠道数据库

资料来源：数据管理公司报告

（二）顾客数据的收集和分析维度

对于顾客数据的分析，可从不同维度开展，由此可以将数据分为两组：可观测数据和可推导数据，以及测量数据和隐含数据。

（1）可观测数据是指实际发生的数据，可追踪的顾客行为获得的数据信息，例如顾客的年龄婚姻等基本状况，以及购买、使用等消费行为，也包括顾客提供的相关消费行为偏好的信息。

（2）可推导数据是通过一定范围内的调查或采样，搜集到一定的数据信息，并在此基础上进行推导，从而获得现有顾客和潜在顾客的整体状况。

（3）测量数据是反映顾客实际行为的具体信息。

（4）隐含数据更多是通过对顾客样本进行定性采集而获得，或者是指诸多非结构化的数据信息，较难以进行标准量化匹配，但能给品牌提供感性和直觉的启发。

图6-2　可观察数据与可推及的样本数据

资料来源：数据管理公司报告

（三）顾客数据的集成和整合

企业能从各种渠道获得不同类型的顾客数据信息，如何找到正确而有用的信息，才是营销的关键。但数据的整合是一大挑战。由于数据的结构特征不一，数据软件工具和链接也有差别，令数据库的集成和整合的可行性变得困难。

美国效率和质量研究中心（American Productivity and Quality Center）在进行顾客数据整合研究中，制定出了一个框架，用于帮助企业实现来源不同的数据信息的整合和应用。[3]这个框架有三个关键要素。

第一是数据输入，即顾客的信息数据来源。数据有源自外部，即从组织外部获得的数据，包括第三方组织收集的公共数据，从广泛的市场信息如人口统计数据和消费群体的心理特征，这类数据由专业权威公司收集组织并有偿提供给企业和品牌，供作专项分析。其次是企业收集的消费者行为，价值观及对品牌和竞品的态度等数据，企业还能在其官网或售后服务中收集记录和储存顾客的信息。最后所有消费者数据中最具体的是顾客提供的销售交易记录、查询、购买、使用、重购等详细信息。

第二是数据输出，即顾客信息数据的应用。数据的输出应用能对企业从战略高地到战术实施提供帮助。在战术层面，顾客数据最基础的应用是创建细分市场用以开展精准化的针对性营销，通过定制信息给不同的顾客，以提高品牌传播与顾客的关联：从策略角度看，消费者数据及洞察分析在研发产品、开发服务和深入分析细分市场精细化管理都能提供有利的帮助，也能为消费者与品牌的关系管理上起到关键的作用。从更长远看，消费者数据可帮助提供公司规划长期的战略发展方向，对企业开拓新市场提出预期。

第三是数据管理的组织和技术保障。数据的输入和输出，中间经过的必要环节便是数据的管理，包括收集、集成、分析和应用。这里的数据库管理必须有专业技术工具的硬件支持，以及数据分析师的软性统计分析的管理，如交叉分析、相关分析和回归分析。其中数据间的硬链接侧重于数据的匹配，软链接则是通过对隐含数据分析获得相关定性结论。值得一提的是企业的组织保障也是数据管理的关键前提。如图6-3所示：

图6-3　消费者信息应用框架

资料来源：数据管理公司报告

数据库的整合是诸多企业的挑战，其中最大的困难不是在于数据的匮乏，而是数据关联的断层和格式的不兼容。当然，组织的整合协同不足是现象背后最大的障碍。

营销管理智能化的应用重点在于四个方面：顾客的深入洞察及顾客画像、营销的精准执行、消费者反馈以提升营销的智能化、甄别有价值的现有顾客和潜在顾客。

（一）顾客画像

顾客画像是指通过对所收集的顾客数据的分析，描绘出顾客的生活形态、媒介习惯、消费状况等等。顾客是时尚达人？文艺青年？年轻辣妈？古装剧爱好者？健康养生者？对顾客生活形态和生活方式的深入了解，让品牌有更多的机会通过顾客关系营销，深入顾客的内心深处。通过对顾客的认知和把握，及时预测其行为动向。品牌可以通过第三方合作，获取更多用户数据，并通过系统进行数据对接，形成统一的数据库运算分析管理，从而构建360度的用户数据以描绘更加完整的用户画像。

（二）精准投放

首先，通过对品牌内部顾客基本状况和购买情况的数据抓取、筛选和分析，品牌可以在某个营销案执行过程中，找到最能产生营销效果的价值顾客，进行集中的精准式营销传播沟通，从而提高营销传播的效率。比如，通过CRM数据库，在对顾客数据的分类之后便可针对性地进行短信发送、EDM投递、微信推送等，将顾客需要的信息及时投送到他们的面前。再如，在推广新产品时，可以通过筛选找到过去购买相关产品的顾客，分析归纳年龄、职业、经济状况、生活状态、兴趣爱好、消费习惯等鲜活特征，？？并将这些特征标签返回到数据库中，通过比对找到同样的一批人进行集中的沟通对话，从而达到最精简有效的结果。第二，通过对数据库中顾客会员的智能分析和研究，掌握目标顾客的媒介接触习惯，了解哪些媒介在哪些情况下、在哪些方面、起到哪些积极的作用。当需要展开传播活动时，便可以有的放矢选择最好的媒介渠道和平台进行专属式传播。第三，在数字媒介平台，存有大量的目标受众的数字活动轨迹，通过cookie等技术手段，便可以通过关键字筛选等方法，选取最符合品牌营销目标的受众，进行精准的DMP/DSP投放。第四，品牌也可采取与外界数据库互换的方式，从数据库建设和应用成熟的行业中，如银行系统、信用卡金融、航空公司、酒店集团、积分兑换平台公司等，抓取与品牌目标顾客相匹配的数据，进行针对性的精准沟通，从而提高营销传播的有效性。

（三）消费者反馈

通过会员沙龙等形式，品牌可与顾客进行面对面的深度访谈，深入了解顾客的需求痛点，还可通过各社交网络平台搜集会员的产品诉求，并反馈到产品研发的环节中。在此过程中，营销人员能够有机会真正换位思考，从顾客角度出发思考营销策略和做法，如产品功能的研发、包装形象设计、产品价格的制定、售卖渠道的选择，一线人员的服务情况。通过营销智能的手段，品牌可以从顾客那里获得可贵的意见和建议。如我们提供的产品或服务能帮助顾客解决问题，满足其特定的需求吗（目标）？产品或服务的功能、价格和质量符合顾客的期待值吗（功能）？顾客方便使用我们的产品和服务吗（适用性）？产品和服务对顾客的心理情感会产生怎样的作用和意义（情感投入）？与竞争者相比，我们的产品和服务更符合顾客对品牌的预期吗（期望值）？我们的产品或服务提供可长久依赖的价值吗（持续性）？

（四）评估顾客财务价值

营销智能系统可以通过隐含数据，将行为相似的顾客或潜在顾客进行聚合。基于行为聚合的不同顾客群，对企业和品牌的贡献价值并不相同。营销者总是希望能吸引最有价值的消费者，开发某种顾客——品牌的价值估算体系变得十分必要，其中较为广泛的评估方法是利用四个要素来确定一个顾客对品牌的价值，包括渗透率、品类购买率、购买份额、边际收益。渗透率（Penetration）是指某品牌拥有消费者数量在同一品类总体消费者中所占百分比。品类购买率（BR）是指在某一周期每个消费者对该品类产品的平均购买需求。购买份额（SOP）是指购买该品牌的产品占消费者总体购买的百分比，边际收益（CM）是指品牌从消费者购买产品中获得的利润。

“智能互联”（Intelligent Connection）是指品牌和顾客间保持一种“智能化”的相互联接，这种联接一是通过数字网络平台得以永续相联；二是智能化，即这种关系具有感知能力、记忆和思维能力、学习能力和自适应能力，以及行为决策能力。通过现代通信与信息技术、计算机网络技术、行业技术等有效集成，品牌可以建立起一种实时、准确、高效的、全方位发挥作用的管理应用系统。这个系统以大数据分析为基础，为品牌与顾客间的关系管理提供解决方案。数字化营销传播的核心任务是建立与消费者的亲密关系。在大数据时代数字智能技术的发展，可以帮助企业和品牌搭建技术平台、建立数据库，并通过大数据的收集、挖掘、分析和应用，全面洞察顾客、有效甄别顾客价值，升级顾客关系管理，与消费者展开实时互动的精准营销传播，让营销更智能化地服务顾客。

数字时代中平台的开放、信息的透明和消费者的自主表达，赋予顾客体验管理极大的挑战和机遇，尤其是社交媒体这个强大的传播平台的出现，企业和品牌所有正面和负面的影响都可能被无限放大。同时，对顾客而言，品牌体验是在与品牌的各项接触中所累积感受的总和，无法说这样的体验是来自线上沟通，还是线下实体门店的服务，是产品使用时的效果体现还是售后服务的一次对话。由此，在数据应用支持下，通过“智能互联”的策略指导，开展全方位无缝隙的顾客体验管理，也是顾客关系管理的重要任务。

注释

[1] 格哈德·拉普（Gerhard Raab）、妮可·维尔纳（Nicole Werner）著，霍佳震译，Customer Relationship Management（客户关系管理——一个整体方案），上海社会科学院出版社，2012年

[2] 舒耐茨（Schinzer），Bange&Mertens，1999

[3] D.E.Schultz&H.Schultz，Leveraging Customer Information：Driving Strategic Direction and Marketing Profitability，Houston，American Productivity and Quality Center，2000